知识卡片
多项式回归
对不符合线性假设的问题,可加入多项式项建模:y=w0+w1x+w2x²+…+wdx^d(d 为次数)。因系数 w 仍是线性的,多项式回归仍被视为多元线性回归模型。用 scikit-learn 的 PolynomialFeatures 转换类在单变量回归中加入二次项,再用多元线性回归拟合。例中 MSE 从线性拟合的 570 降到二次拟合的 61,R² 从 0.832 升到 0.982。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 使用回归分析预测连续型目标变量 · 查看原书依据
虽然我们可以使用多项式回归对非线性关系建模,但由于线性回归系数w的缘故,多项式回归仍旧被看作是多元线性回归模型
参考来源
- 位置:《Python机器学习》第10章《10.7 线性回归模型的曲线化-多项式回归》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0133.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:虽然我们可以使用多项式回归对非线性关系建模,但由于线性回归系数w的缘故,多项式回归仍旧被看作是多元线性回归模型